Zwischen Wertschätzung und Widerstand – Algorithmische Kompetenz junger Menschen am Beispiel der Kurzvideoplattform TikTok
Kurzbeschreibung
Die vorliegende Studie präsentiert Ergebnisse zum Umgang junger Menschen mit dem algorithmischen Empfehlungssystem (AES) von TikTok. In sechs Fokusgruppen und zwölf Follow-up-Einzelinterviews sprachen insgesamt 31 jungen Menschen zwischen 16 und 24 Jahren darüber, was sie über das AES wissen, wie sie damit interagieren und welche Gefühle sie bei der Nutzung von TikTok haben. Darüber hinaus wollten die Autor*innen wissen, welche Rolle TikTok für politische Informationsprozesse im Kontext der Bundestagswahl 2025 bei den Interviewten spielte. Die Studie ist eine Teilstudie des Projekts „Use the News – Nachrichtennutzung und Nachrichtenkompetenz im digitalen Zeitalter“. Ziel der vorliegenden Studie ist es, Erkenntnisse über die Nutzung, Aneignung und Reflexion von AES junger Menschen zu bekommen und Ansatzpunkte zur Förderung von digitalen Kompetenzen abzuleiten, die helfen, die Folgen algorithmischer Filterung zu durchblicken. Diese Kompetenzen werden unter dem Begriff der algorithmischen Kompetenz gefasst. Die Ergebnisse bieten einen Einblick in diese Kompetenzen, welche entlang dreier Kompetenzdimensionen dargestellt werden, der kognitiven, behavioralen und affektiven Dimension.
Annahmen über die Folgen der Digitalisierung
Junge Menschen verbringen täglich viel Zeit auf Social-Media-Plattformen wie TikTok und konsumieren in der App zunehmend auch politische und nachrichtliche Inhalte. Entsprechend versuchen auch Medienhäuser, Parteien und Politiker*innen vermehrt, junge Menschen über TikTok zu erreichen. Das algorithmische Empfehlungssystem (AES) von TikTok bestimmt dabei maßgeblich, inwiefern Nutzer*innen journalistische und politische Informationen erreichen und welche ausgespielt werden. Insbesondere junge Menschen werden im aktuellen Diskurs eher als vulnerable Gruppe verstanden, die vor negativen Konsequenzen durch den Einfluss von AES auf Entscheidungen und Interaktionen geschützt werden müssen. Die Perspektive und aktive Rolle der jungen Nutzer*innen bleibt dabei oftmals außen vor.
Kompetenzanforderungen
In der vorliegenden Studie liegt der Fokus auf Anforderungen im Umgang mit TikTok. Beispiele sind etwa, sich der Präsenz und den Auswirkungen algorithmischer Systeme bewusst zu sein und über Wissen zu verfügen, wie sich dieses Verständnis nutzen lässt. Neben Wissen geht es zudem um aktives Handeln, etwa wie Nutzende mit Algorithmen umgehen und inwiefern sie sie für kreative Zwecke einsetzen. Hinzu kommt schließlich der Umgang mit Emotionen gegenüber den Empfehlungen algorithmischer Systeme.
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
Kognitive Dimension,
Behaviorale Dimension,
Affektive Dimension
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Instrumentell-qualifikatorische Dimension: Algorithmus steuern.
Kognitive Dimension: Sich über algorithmische Empfehlungsmechanismen bewusst sein; Wissen über Faktoren, die Einfluss auf den Algorithmus nehmen (z. B. mit einem Video zu interagieren); sich über aktive Steuerungsmöglichkeiten bewusst sein.
Kreative Dimension: Algorithmus gezielt beeinflussen.
Affektive Dimension: Reaktionen des Algorithmus auf Suchverhalten negativ oder positiv wahrnehmen; Profile blockieren, um negativen Emotionen entgegenzusteuern; Strategien entwickeln, um die eigene Nutzungsdauer zu regulieren.
Kritisch-reflexive Dimension: Emotionale Beeinflussung durch AES reflektieren; Risiken der Plattform erkennen (z. B. Falschinformationen oder Hass); Algorithmus gezielt steuern.
Zentrale theoretische Annahmen über Kompetenz
Im Zentrum der Studie steht algorithmische Kompetenz, welche als Schnittstelle von Medien-, Nachrichten- und Digitalkompetenz verstanden wird. Die Autor*innen beziehen sich dabei auf Konzepte von Leyla Dogruel (2021) sowie Anne Oeldorf-Hirsch und German Neubaum (2023), die neben einer kognitiven auch eine verhaltensbezogene Dimension beschreiben. Letztere verweisen darüber hinaus auf eine affektive Dimension. Aufgrund der Annahme, dass insbesondere bei jungen Menschen neben Wissen auch emotionale Reaktionen wichtig sind, war den Autor*innen die affektive Dimension wichtig und wurde in Zusammenhang mit dem Wissen über diese Systeme und den individuellen Umgangsformen mit Algorithmen betrachtet. Konkret beschreiben die Autor*innen die Dimensionen wie folgt: „Die kognitive Dimension umfasst das Bewusstsein, das wahrgenommene (faktische) Wissen sowie abstrakte Vorstellungen und Überzeugungen im Zusammenhang mit dem algorithmischen Empfehlungssystem von TikTok“ (S. 17). Die behaviorale Dimension umfasst Praktiken, wie Menschen mit dem Algorithmus interagieren, und die affektive Dimension beschreibt schließlich affektive und emotionale Reaktionen, die im Umgang mit AES entstehen.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Mit Blick gerade auf die affektive Dimension algorithmischer Kompetenz erlangen individuelle Faktoren, wie die Motivation und die Bedürfnisse der Kompetenzträger*innen, eine große Bedeutung. Um dahingehend einen besseren Einblick zu bekommen wurden die Teilnehmenden gebeten, ihren TikTok Verlauf aus einem Zeitraum von vier bis fünf Monaten bereitzustellen. Die Stichprobe der Studie wurde anhand des Alters und Wohnorts der Teilnehmenden gezogen. Die Fokusgruppen fanden in Hamburg, Düsseldorf und Erfurt statt. Hinsichtlich des Geschlechts und der formalen Bildung waren die Teilnehmenden innerhalb der Gruppen gemischt zusammengesetzt.
Herausforderungen der Erfassung von Kompetenz
keine Angabe
Zentrale empirische Befunde über Kompetenz
Ein intuitives Bewusstsein über das algorithmische Empfehlungssystem von TikTok haben alle Teilnehmenden. Auch können sie (bezogen auf alle Gruppenerhebungen insgesamt) alle bislang bekannten Faktoren identifizieren, die den TikTok-Algorithmus beeinflussen. Unterschiede zeigen sich allerdings zwischen den Wissensständen zu Einflussfaktoren und Steuerungsmöglichkeiten des Algorithmus – vor allem entlang des Alters. Interaktionen auf TikTok, z. B. Content zu liken, zu teilen oder die Suchfunktion zu nutzen, wird in allen Gruppen als relevant erachtet. Technisches Wissen, z. B. über die Bedeutung von Schnittstellendaten und Metadaten besteht hingegen nur vereinzelt. Einzelne Jugendliche beschreiben, dass sie durch bestimmte Aktionen den Algorithmus erfolgreich nach ihren Wünschen lenken konnten. Versuche, den Algorithmus zu trainieren, gibt es aber kaum. Generell erleben die Teilnehmenden Grenzen in ihrer Nutzungspraxis. In vorgegebenen Strukturen können sie eigene Ziele verfolgen, (technische) Grenzen erleben sie jedoch als kaum beeinflussbar. Nichtsdestotrotz beschreiben die meisten eine Wertschätzung in Bezug auf das AES und das Gefühl, vom Algorithmus zu profitieren. Negative Emotionen erleben sie bei unpassenden Inhalten, wenn der Algorithmus übersteuert (also z. B. nur noch Inhalte zu einem bestimmten Thema vorschlägt) und die eigene Nutzungsdauer länger ausfällt als gewollt. Aus den Einzelinterviews identifizieren die Autor*innen anhand einer unterschiedlichen Ausprägung der Kompetenzdimensionen drei Interaktions- und Aneignungstypen, in die sie die Teilnehmenden der Studie einordnen: emotional-gesteuerte Hochinteraktive, rational-wissende Geringinteraktive und gering-reflektierte Vielnutzende.
Quellenangabe
Alatassi, L., Hölig, S., & Kessling, P. (2025). Zwischen Wertschätzung und Widerstand: Algorithmische Kompetenz junger Menschen am Beispiel der Kurzvideoplattform TikTok. Leibniz-Institut für Medienforschung | Hans-Bredow-Institut. https://doi.org/10.21241/ssoar.106121
Sonstige Anmerkungen
In Bezug auf politische Inhalte berichten die Teilnehmenden, dass sie diese vereinzelt angezeigt bekommen, aber die Plattform nicht aktiv nutzen, um sich zu informieren.